APCER و BPCER دو شاخص عملکرد هستند که برای ارزیابی سیستم های تشخیص جعلی استفاده می شوند. APCER، نرخ تشخیص جعلی پذیرفته شده، درصد موارد جعلی است که به عنوان واقعی تشخیص داده می شوند. BPCER، نرخ تشخیص واقعی رد شده، درصد موارد واقعی است که به عنوان جعلی تشخیص داده می شوند.
APCER و BPCER معمولاً با هم گزارش می شوند، زیرا نشان دهنده دو جنبه مختلف عملکرد سیستم هستند. APCER نشان می دهد که سیستم چقدر خوب می تواند موارد جعلی را شناسایی کند، در حالی که BPCER نشان می دهد که سیستم چقدر خوب می تواند موارد واقعی را شناسایی کند.
APCER و BPCER معمولاً بر روی مجموعه داده های آزمایشی محاسبه می شوند که شامل نمونه های واقعی و جعلی است. مجموعه داده های آزمایشی باید نماینده جمعیتی باشد که سیستم قرار است در آن استفاده شود.
APCER و BPCER باید برای تصمیم گیری در مورد اینکه آیا سیستم برای کاربرد خاصی مناسب است یا خیر، در نظر گرفته شوند. به طور کلی، سیستمی با APCER و BPCER پایین تر ترجیح داده می شود.
در مورد پروژه شما، شما باید APCER و BPCER را برای چندین مجموعه داده محاسبه کنید تا عملکرد سیستم را در شرایط مختلف ارزیابی کنید. سپس می توانید از این اطلاعات برای تصمیم گیری در مورد اینکه آیا سیستم برای کاربرد مورد نظر شما مناسب است یا خیر، استفاده کنید.